5G環境下香辛料粉生產車間溫濕度智能調控優化研究

中圖分類號：TS264.3 文獻標志碼：A 文章編號：1000-9973（2025）05-0191-05

DOI：10.3969/j.issn.1000-9973.2025.05.027

Study on Optimization of Intelligent Control of Temperature and Humidity in Spice Powder Production Workshop in 5G Environment

YU Hai-bin1，BAI Zhe2 * （1. China United Network Communications Corporation Heilongjiang Branch，Harbin 15ooo1，China; 2.China Unicom Smart City Research Institute，Beijing lOoo48，China）

Abstract： In this paper，on the basis of intelligent control technology of temperature and humidity in 5G environment，the temperature and humidity control problem in spice powder production workshop is optimized.A four-layer architecture intelligent control system is constructed by combining 5G internet of things technology with edge computing，so as to improve production eficiency，reduce energy consumption and stabilize product quality. The results indicate that 5G networks have significant advantages in improving real-time temperature and humidity control as well as controlling accuracy，energy efficiency and system stability，and can effectively reduce energy consumption，enhance the retention rate of flavor components，and improve powder flowability.This result validates the application prospects of 5G technology in intelligent production.

Key words： 5G technology; temperature and humidity control; inteligent optimization; edge computing; internet of things

1概述

香辛料粉是食品加工和調味品行業的重要原料，其生產過程中對溫濕度的控制會影響產品質量和儲存穩定性，也直接關系到風味、流動性和安全性。香辛料粉中含有較高比例的揮發性芳香化合物和精油，肉桂粉中主要含有桂皮醛，胡椒粉富含胡椒堿，姜黃粉富含姜黃素，這些風味成分對溫濕度極為敏感。傳統的溫濕度調控方法多依托于自動化系統或人工干預，基于單一傳感器的自動化控制系統根據設定固定的溫濕度范圍來實現控制，但這種方式存在響應滯后和調節精度不高等問題，難以應對快速變化的生產需求[1]。胡椒粉適宜在 40%～50% RH的濕度范圍內保持流動性；而肉桂粉的最佳儲存濕度為 50%～55% RH，傳統控制方式無法靈活調整，導致部分產品質量下降。此外，基于PLC或DCS的傳統控制系統存在響應滯后、數據共享不足的問題，使得溫濕度調控精度較低，難以適應香辛料粉生產過程中復雜的環境變化[2]。

5G技術的低延遲、高帶寬和大規模連接能力，為實時溫濕度數據的采集、傳輸與處理提供了可靠保障。結合邊緣計算和大數據分析技術，新的智能調控系統能實時監測車間環境，還能針對不同香辛料粉的特性進行自適應調節，如胡椒粉生產過程中系統可優先降低濕度以防止結塊，而在肉桂粉的生產中系統會保持較低溫度以防止香氣成分過度揮發。5G物聯網的高效數據傳輸能力進一步增強了傳感器網絡的實時性，使溫濕度調控能夠精準匹配不同香辛料粉的特性[3]。鑒于此，本研究致力于融合5G技術、物聯網、邊緣計算等前沿科技，對香辛料粉生產車間的溫濕度調控進行優化，重點解決風味損失和流動性下降等問題，以提升生產效率、降低能耗，并保證香辛料粉產品的高質量穩定性。

25G環境下香辛料粉生產車間溫濕度 智能調控優化的架構

在5G環境下，香辛料粉生產車間的溫濕度智能調控優化架構充分發揮了5G網絡的高速傳輸、低時延和大規模連接的特點，同時針對不同類型的香辛料粉進行精準化控制，保證其能實現精細化、實時響應和高效調節。整個架構分為數據采集層、數據傳輸層、數據處理與決策層、執行與反饋層，4個層次見圖1。

數據采集層部署高精度溫濕度傳感器、氣體傳感器和粉末流動性傳感器，實時監測車間環境的溫濕度、風味成分濃度和粉末流動性。數據傳輸層借助5G技術，將分布在車間內的傳感器數據快速傳輸到云端或邊緣計算節點，解決了傳統網絡在大規模數據傳輸中的帶寬限制和延遲問題。數據處理與決策層利用云計算平臺和人工智能算法對采集數據進行大數據分析、趨勢預測和自適應優化，基于實時環境變化調整溫濕度控制策略，優化設備運行參數，使車間環境保持在最優狀態，同時降低能耗并減少粉末結塊風險。執行與反饋層利用智能控制系統與優化算法，動態調節空調、加濕器、除濕機等設備，實現精準控溫控濕，同時優化空氣流動性，減少風味揮發和粉末吸濕結塊現象。整體架構以5G網絡為核心，集成了邊緣計算和大數據分析技術，使香辛料粉生產車間可以在動態變化的環境下實現溫濕度調控的智能化、精準化和高效化[4]]。

3 5G環境下香辛料粉車間溫濕度智能調控關鍵技術

3.1智能傳感器與物聯網監控集成

在香辛料粉車間的溫濕度智能調控中，單一的溫濕度監測無法滿足不同香辛料粉的質量控制需求。本研究結合食品加工行業特點，優化數據采集層的傳感器布局，在溫濕度監測的基礎上，增加粉末水分檢測、風味濃度監測和流動性測量，確保精準控制產品質量。

優化后的數據采集層包括五類核心傳感器，分別用于監測車間環境溫濕度、香辛料粉的水分含量、風味成分濃度和粉末流動性（見表1）。5G技術使這些傳感器的數據能毫秒級傳輸至后端系統，確保車間環境的精準控制，并減少溫濕度波動對香辛料粉品質的影響。

通過NIR傳感器、氣體傳感器和粉末流動性傳感器與SHT35、HTU21D一同接入網關，形成多源數據融合體系，實時監測和優化香辛料粉生產車間的關鍵環境參數。經過數據清洗、去噪和格式化處理后，所有數據將統一編碼；數據被存儲至本地邊緣計算設備，并同步至云端數據庫。溫濕度、粉末水分或風味參數出現異常波動時會啟動報警機制，管理人員可及時干預，保證生產環境穩定。

3.25G提升溫濕度數據傳輸性能

香辛料粉生產車間的溫濕度數據高效且穩定傳輸是精準控制生產環境的關鍵，溫濕度、粉末水分、風味成分濃度和粉末流動性傳感器負責采集數據，而這些數據必須使用可靠的通信網絡實時傳輸至邊緣計算設備和云端，以保證智能決策的及時性。不同網絡性能對比見圖2。傳統的無線傳輸方式面臨數據丟失、時延過長和帶寬不足的問題，首先5G的超高帶寬（高達10Gbps）可以支持上百個傳感器同時傳輸數據，確保溫濕度、粉末水分、風味成分等參數毫秒級同步更新，減少數據延遲導致的調控失誤[5]。其次，5G的低時延（ （lt;1ms） 使得溫濕度變化能瞬時反饋到智能控制系統，如當氣體傳感器檢測到肉桂粉的桂皮醛濃度下降時，系統可立即調整車間溫度，減少風味揮發損失。5G的高連接密度（百萬級設備/ km² ）支持多個獨立生產區域的精準監測和實時調控，而5G可保證不同區域傳感器間的高效協同。

3.3邊緣計算加速實時數據處理

在香辛料粉車間的溫濕度調控中，邊緣計算的核心作用是數據清洗和降噪，也是智能決策的前沿計算單元。相比于傳統的云計算模式，邊緣計算可以用本地設備直接處理和分析溫濕度數據，減少傳輸延遲，并基于實時監測數據快速調整溫濕度調控策略，以保證生產環境的穩定性，提高香辛料粉的風味保持和粉末流動性。

在數據采集過程中，由溫濕度傳感器（SHT35、HTU21D）、NIR傳感器、氣體傳感器和粉末流動性傳感器收集的數據，會先傳輸至邊緣計算設備進行預處理，以剔除由于傳感器故障、粉塵干擾、環境劇烈變化等導致的異常值，提高數據的準確性和穩定性。邊緣計算采用中值濾波和均值濾波方法對溫濕度、風味濃度和粉末流動性等數據進行濾波和優化。中值濾波對傳感器數據集合 X={x₁，x₂，…，x_n} 進行排序，并取其中位數作為有效數據值：

式中： 為處理后的溫濕度數據，經過中值濾波計算，可以輸出數據集合的中位數，該方法有效去除了由噪聲或偶然性錯誤引起的極端值，保證數據更穩定可靠[7]。均值濾波用于計算指定范圍內溫濕度數據的平均值來平滑數據，以減少高頻噪聲的影響， x_j 為溫濕度數據集，濾波計算公式如下：

式中： y_i 為濾波后的溫濕度值； N 為濾波窗口的大小（即數據點數）； k 為窗口的半寬度。

此方法能平滑掉局部的波動，使溫濕度數據的變化趨勢更平穩[8]。使用上述兩種濾波算法，邊緣計算節點可以清理掉由傳感器錯誤或外部干擾引起的異常值，為后續的數據分析和預測提供更準確和穩定的輸人數據。

3.4云計算與智能算法優化溫濕度調控策略

在香辛料粉生產車間的溫濕度調控中，云計算平臺先將來自傳感器的溫濕度數據集中存儲，并應用異常檢測算法剔除無效數據。基于歷史數據的分析，云平臺能學習不同香辛料粉在不同溫濕度條件下的行為模式，并根據這些模式優化未來的控制策略。為更精準地預測生產環境的變化，采用長短期記憶網絡（longshort-termmemory，ISTM）對溫濕度趨勢進行建模[9]。LSTM 能捕捉時間序列數據的長期依賴性，并基于當前和歷史數據預測未來的溫濕度變化，使系統提前做出調控決策，避免因溫濕度突變而影響香辛料粉的風味穩定性和粉末流動性，其核心計算公式如下：

h_t=f（W_h，x_t+U_hh_t-1+b_h） 。

式中： x_t 為當前時刻的輸入； h_t 為當前的隱藏狀態； W_h?U_h 為權重矩陣； b_h 為偏置項； f 為激活函數。

LSTM計算得到的溫濕度趨勢可為強化學習（reinforcementlearning，RL）提供優化空調、加濕器等設備運行策略的支持，RL經過不斷與環境交互來學習最優的決策策略，使香辛料粉生產車間環境始終維持在最佳狀態。 Q -learning算法是無模型強化學習方法，用于估算每個可能動作的價值（Q值），找出最優的調節動作（調整空調溫度、改變濕度水平等），該算法不斷探索和更新Q值，最終找到最佳的溫濕度控制策略，Q-learning更新公式如下：

Q（s_t，a_t）=Q（s_t，a_t）+α（r_t+γmaxQ（s_t+1，a）-Q（s_t，a_t）Σ），

式中： s_t 為當前狀態； a_t 為當前動作； r_t 為獎勵； α 為學習率；γ為折扣因子。

在香辛料粉生產過程中，支持向量機（supportvectormachine，SVM用于實時檢測溫濕度數據中的異常波動，保證在出現數據不正常時能及時進行調整，一旦溫濕度超出預設的閾值時，SVM可以自動識別并觸發報警機制。SVM回歸利用支持向量回歸（SVR）模型，依據歷史溫濕度數據建立預測模型，從而優化設備調節策略，其算法公式如下：

式中：w為決策平面的法向量；為松弛變量；C為懲罰參數。當檢測到粉末流動性指數低于 80% 時，系統可以自動檢查濕度是否超標，并調整風速優化流動性。上述3種算法相輔相成（見圖3），形成了一個動態、自適應的溫濕度智能調控系統，保證了香辛料粉生產車間溫濕度的精準調控。

Fig.3Collaborativeworking relationshipdiagram ofLSTM，RL and SVM

在此基礎上云平臺生成的優化決策傳輸至溫濕度智能調控系統，使用邊緣計算節點或智能網關實時執行控制任務，保持車間環境的穩定性。實際操作過程中，粒子群優化算法（particleswarm optimization，PSO）和遺傳算法（geneticalgorithm，GA）進一步優化了設備調控策略。PSO可以在實時數據反饋的基礎上優化控制參數，使溫濕度保持在理想范圍內，并優化空氣流動性和風味穩定性，減少能量消耗[10]。具體應用場景由PSO根據實時反饋數據調整設備的啟停時機，以及在保證溫濕度調控的前提下，PSO優化空調、加濕器或除濕器等設備的運行功率，減少不必要的能量消耗，從而保證車間環境的穩定性。GA用來優化設備操作順序、調整設備工作狀態和節能調度，GA憑借進化過程中選擇、交叉、變異等操作，自動優化設備運行策略，以適應不同香辛料粉的需求。

45G環境下溫濕度智能調控優化效果與驗證

4.1性能評估方法與指標設定

5G環境下香辛料粉生產車間溫濕度智能調控優化系統性能的評估可以從以下幾個方面進行定量分析。

實時性是指溫濕度變化反饋至調控系統并執行調節的時間，目標設定在3s以內，以保證快速響應生產環境的變化；溫濕度控制精度要求溫度誤差不超過 ±0.5°C .濕度誤差不超過 ±1% RH，避免因濕度波動導致的粉末結塊問題；風味穩定性評價指標有桂皮醛、胡椒堿等揮發性成分的保持率，使風味成分的穩定性保持在 98% 以上；粉末流動性優化使用粉末流動指數（flowabilityindex，FD進行評估，目標是將FI維持在8O以上，以保證粉末在不同濕度條件下仍能保持良好的輸送和包裝性能；系統能效優化方面，對比傳統控制方式，計算單位時間內的能耗降低比例，目標是減少 10%～20% 的能源消耗，提高設備的運行效率；數據傳輸穩定性方面，5G傳輸的成功率維持在 99% 以上，使智能調控策略能實時執行。

4.2實驗設置與結果分析

本次研究在香辛料粉生產車間環境中進行，實驗設備為SHT35和HTU21D溫濕度傳感器、氣體傳感器、粉末流動性傳感器、空調、加濕器、除濕器等；采集數據的時間間隔為 1min 。實驗在兩個環境中進行對比：一是采用傳統的LoRaWAN環境，二是5G網絡環境，驗證期間兩組在相同的環境下進行，溫濕度目標范圍均設定為（ 25±2 ） ^°C 和 （50±5）% RH。實驗數據見表2。

由表2可知，5G網絡的引入大幅提高了溫濕度調控的實時性，使系統響應時間從對照組的5.8s縮短至實驗組的2.5s。在溫濕度穩定性方面，實驗組的溫度波動范圍為 ±0.3°C ，濕度波動范圍為 ±0.8% RH，遠優于對照組的 ±1^°C 和 ±3% RH，表明 5G+ 智能優化控制系統能有效維持車間環境的穩定。風味成分保持率方面，實驗組的桂皮醛保持率為 98.5% ，胡椒堿保持率為 97.8% ，顯著高于對照組（分別為 92.1% 和 90.3% ，表明優化后的溫濕度調控策略能顯著減少風味損失。粉末流動性優化方面，實驗組的粉末流動指數FI維持在85，而對照組僅為76，說明5G十智能優化系統能有效降低吸濕導致的流動性下降問題。能效優化方面，實驗組的設備能耗相比對照組降低了 15% ，表明智能優化算法能有效減少不必要的設備能耗，提高整體能源利用率。數據傳輸成功率方面，實驗組達到 99.9% ，明顯高于對照組的 95% ，確保了系統的穩定性和數據傳輸的可靠性。

5結論

本研究提出5G技術下優化香辛料粉生產車間溫濕度的智能調控架構，并以四層架構實現精細化控制和實時響應。數據采集層使用高精度溫濕度傳感器與5G技術相結合，保證實時數據的準確采集與傳輸；數據傳輸層，5G網絡提供了低延遲、高帶寬的保障；數據處理與決策層，結合云計算與智能優化算法（LSTM、RL、SVM，實現了溫濕度預測與調控策略的智能優化；執行與反饋層，智能控制設備如空調、加濕器和除濕器等實現環境的動態調節。研究表明，5G環境下的溫濕度智能調控系統在響應時間、溫濕度波動范圍、風味成分保持率、數據傳輸穩定性等方面表現優異，相比于傳統無線網絡大幅提升了系統的實時性與能效優化，同時有效降低了能耗，優化了粉末流動性，減少了風味損失。5G技術為溫濕度調控系統的優化提供了可靠的技術支持，推動了智能制造和綠色生產的發展，為未來在更廣泛工業場景的應用奠定了基礎。

參考文獻：

[1程政，劉捷.香料肉桂在食品中的應用及前景J」.焦作大學學報，2023，37（1）：80-83.

2周汪玥，劉玉蘭，雷玉林，等.不同因素對胡椒粉倒出速度的影響[J].中國食品工業，2022（23）：89-91.

[3]張鵬超，陳鵬，朱喜安，等.基于機智云平臺的高效溫濕度智能測控系統研發[J].電子制作，2023，31（16）：52-54，19.

[4]趙楠楠，劉艷杰，周義德，等.細絡聯車間溫濕度控制技術[J].棉紡織技術，2021，49（11）：34-38.

[5]朱睿，余德源，孫利軍.5G網絡下的高精度室內定位算法優化[J].信息系統工程，2024（10）：144-147.

[6]劉曉雪，李亞楠.基于5G移動通信技術的無線通信網絡性能優化研究[J].移動信息，2024，46（8）：28-30.

[7]戴美澤，林祝發，譚琳，等.基于中值濾波與Jetson平臺的高性能模式識別在郵區中心的應用研究[J].江蘇通信，2024，40（6）：124-128.

[8]王井利，陳薪文，王繼野.基于地鐵隧道點云數據的組合濾波算法[J].沈陽建筑大學學報（自然科學版），2020，36（3）：520-528.

[9]薛訓明，徐永虎，許默為，等.基于LSTM的環境溫濕度在煙絲過程中的水分分析和預測[J].輕工科技，2021，37（1）：3-5.

[10]姚翠萍，稅渝敬，羅明艷，等.基于PSO優化支持向量回歸網絡的大曲溫濕度預測研究[J].中國食品工業，2024（21）：119-121.